前华为小艺负责人唐都钰创业，提出“主动式物理AI”新范式

事件概述

华为前AI首席专家、小艺多模态大模型前负责人唐都钰创办了观行数智（Guanxing Intelligence），聚焦于“主动式物理AI”（Proactive Physical AI）领域。与传统物理AI主要解决“如何执行人类指令”不同，该方向的核心在于让AI能够自主发现当下需要做什么，并主动采取行动。

核心技术与架构

1. 从“被动执行”到“主动介入”
当前主流物理AI遵循“任务链”模式，即等待人类发出明确指令（如“把苹果放进篮子”）后，再进行环境识别、规划与执行。唐都钰指出，这种模式忽略了“何时行动”和“是否应该行动”的判断。主动式物理AI则面对持续的“事件流”，通过流式判断（StreamingJev）决定是否需要介入、以何种方式介入以及调用何种设备。

2. ProAgent双模型协同架构
为解决实时性与成本问题，观行数智设计了ProAgent架构：

• 哨兵角色（StreamingJev）：负责持续读取现实环境中的轻量级事件流，快速判断“是否需要介入”。
• 指挥员角色（Response Model）：当哨兵发出信号后，由该模型深入判断事件性质，规划回应方式并调用具体设备。
  这种分工避免了大模型持续处理所有环境信息带来的高推理成本和低反应速度。

3. 数据闭环与评测体系

• 数据构建：针对缺乏标注时点的问题，团队建立自动化流程，从公开视频中提取场景变化，转化为带有推理过程的决策序列，区分“出现变化”与“形成需要”。同时通过与具身公司合作，在真实设备中补充动作空间与执行反馈。
• ProactiveXBench评测：建立包含Timing（反应时机）、Progress（介入时长/状态）、Outcome（最终结果）三个维度的评测体系，对应解决“没赶上趟”、“撂挑子”、“白忙活”三大痛点。测试显示，其ProAgent模型在介入时效等指标上优于GPT-6等通用模型。

背景与趋势

唐都钰拥有十余年人工智能研究经验，曾在微软亚洲研究院主导CodeBERT等项目，累计引用超3万次。他认为，随着智能终端数量激增，依赖唤醒词的传统交互方式效率低下，人机关系需向更自然的“主体性”共存转变。目前，该技术路线尚未收敛，但AI从数据世界走向物理世界、从被动走向主动被视为必然趋势。观行数智正与哈工大实验室保持深度合作，推进产学研结合。